34energética Vol. XXIV, No. 3/2003

Sistema para diagnóstico de fallasen transformadores a través de lógica difusaMadelín Lima ÁlvarezOvidio Ramírez FialloSergio J. Fernández GarcíaRómulo José Pérez Barrios

Recibido: Septiembre del 2003Aprobado: Noviembre del 2003

Resumen / Abstract

Se expone un sistema para diagnóstico de fallas en transformadores a través de mediciones croma-tográficas de los gases disueltos en el aceite y su procesamiento utilizando la lógica difusa, herramientaeficaz de la inteligencia artificial, como método para el diagnóstico. En este caso se escogió de entretodos los modelos cromatográficos existentes para el diagnóstico, el de la norma IEC 599, por ser en laactualidad el de mayor validación experimental. El sistema tiene en cuenta las tres relaciones fundamentalesy las tres relaciones complementarias entre los gases disueltos en el aceite, con vistas a la definición deltipo de falla. También considera la razón del incremento de producción de los gases, para la detección deuna anomalía en el funcionamiento del equipo o de una agravante en el desarrollo de la falla. Por último,se incluye una serie de situaciones en las que no existe una falla totalmente definida por la clasificacióntradicional, emitiéndose un diagnóstico más generalizado.Palabras clave: Diagnóstico, transformadores, cromatografía, análisis de gases

The following work deals with the presentation of a system for the diagnosis of failures in transformers,through chromatographic measures of the gases dissolved in oil and its process of results using the fuzzylogic, an efficient tool of the artificial intelligence, as method for the diagnosis. In this case thechromatographic model used was chosen from the existent standard IEC 599, for being at present the onewith more experimental validation. The system takes into consideration the three fundamental andcomplementary relationships among the gases dissolved in the oil, in order to define the type of failure. Italso concerns about the increase of gases, for detecting problems in the operation of equipment or offurther difficulties in the development of the failure. Finally, a series of situations where failures not totallydefined in the traditional classification are included providing a wider and more spread diagnosis.Key words: Diagnostic, transformers, chromatographic, gas analysis

APLICACIONES INDUSTRIALES

INTRODUCCIÓNUn veloz desarrollo de la computación y el incrementodel uso de técnicas cuantitativas, han llevado alhombre a tratar de darle solución a todo tipo desistemas, incluyendo sistemas económicos, sociales,biológicos, etc. Estos intentos no han dado resultadossatisfactorios, debido a que mientras más aumenta lacomplejidad de un sistema, la capacidad de hacer

sentencias precisas sobre su comportamiento,disminuye. La utilización de técnicas de inteligenciaartificial y entre ellas, la teoría de lógica fuzzy, hareportado resultados importantes en el tratamiento deestos tipos de sistemas.

Sin duda alguna, la presencia del carácter borroso enel proceso del pensamiento humano no es la lógica

35

tradicional bievaluada, ni aún la multievaluada, sinouna lógica de verdades y conectivos fuzzy, así comoreglas de inferencia. Debido a esto se puede plantearque la lógica fuzzy o difusa, es quien representa, unpapel básico en lo que es una de las facetas másimportantes del pensamiento humano: la habilidad deresumir información, es decir, extraer de lascolecciones de datos que inciden sobre el cerebrohumano, aquellas y solo aquellas subcolecciones, quesean importantes para la realización de una tareaencomendada por lo que esta metodología es muyefectiva en procesos de toma de decisión, donde lasfuentes asequibles de información son imprecisas,interpretadas subjetivamente o inciertas como es elcaso de los sistemas expertos. En el caso a tratar seutilizará este tipo de técnica para darle solución a ladetección y localización de las fallas que se presentanen los transformadores de fuerza sobre la base deldiagnóstico de los gases disueltos en el aceite que loconforman.

Los transformadores son partes vitales para elfuncionamiento de una estación eléctrica, por los quees necesario minimizar las causas de sus roturas osalidas de servicio. Sobre la base de eso, senecesitan cada vez más técnicas capaces de detectarlos posibles fallos antes de que estos se manifiestende forma severa provocando reparaciones costosas.1El análisis de los gases disueltos en el aceite, hatenido un amplio reconocimiento a escala mundialcomo un método efectivo para la detección de fallasincipientes en los transformadores. Sin embargo,diferentes métodos y criterios han sido desarrolladosen la actualidad, existiendo discrepancias en lasmetodologías propuestas y los resultados que brindan.Cada una de estas aproximaciones presentalimitaciones y ventajas unas con respecto a las otras.Por tanto, se puede asegurar que el problema aúnpresenta un gran margen de incertidumbre y que laexperiencia, representa un papel fundamental en susolución, lo que implica que la utilización de técnicasde inteligencia artificial, es una vía importante paratratar de eliminar esta incertidumbre y obtener undiagnóstico acertado.

El objetivo fundamental del presente trabajo esmostrar los resultados obtenidos en la construcciónde un sistema para el diagnóstico de transformadores,basado en el análisis de gases disueltos en el aceite,que utiliza la lógica difusa como arma fundamental,en busca de una máxima exactitud de respuesta. Estetiene como antecedente, el sistema experto2,3 el cualen este caso se actualiza, ya que utiliza una normamás reciente

En el sistema se utiliza el método de diagnósticobasado en el análisis de los gases disueltos en elaceite, que constituye una de las normas másreconocidas a escala mundial IEC-599,4 y la que cuentaen la actualidad con una mayor validación desde elpunto de vista experimental.

MÉTODO DE DIAGNÓSTICODescripción del métodoEl método utilizado, como la mayoría de los existentesa escala mundial, se basa en la medición de lossiguientes gases: hidrógeno, metano, etano, etileno,acetileno, monóxido de carbono y dióxido de carbono,pues sus concentraciones disueltas pueden variar conla severidad y naturaleza de diferentes fallas. En latabla 1,5 se muestran como ejemplo algunos de loslímites de sensibilidad establecidos, los cuales definenlos valores mínimos a considerar en el sistema.

Tabla 1Límites de sensibilidad de los gases

Gas Notación quimica

Límites desensibilidad (S)

Hidrógeno H2 5 ppm

Oxígeno O2 50 ppm

Metano CH4 1 ppm

Dióxido deCarbono CO2 25 ppm

Los valores de concentraciones por debajo de loslímites de detección S que aparecen en la tabla 1,deben ser sustituidos por los valores que aparecen endicha tabla.

Un segundo filtro de los valores medidos es el de losvalores normales de las concentraciones de gases,estos están definidos en la referencia 2 con un 90 %de probabilidad de que no exista falla. En la tabla 2,se muestran como ejemplo, estos valores paratransformadores no equipados con cambiatap bajocarga o con uno en un tanque aparte del principal, quees el caso más frecuente.

El modelo de diagnóstico empleado en la mayoría deestos métodos, se basa en relaciones específicasentre la concentraciones de los gases. En este caso,4

están normalizadas las relaciones que aparecen en latabla 3, donde se dan como ejemplo algunos de lostipos de fallas y comportamiento de estas.

36

Solapamiento de las zonasPuede ocurrir solapamiento por ejemplo entre las fallasD1 y D2, lo que significa que en algunos casos debeser dada una distribución dual de D1 o D2.

Algunas combinaciones de las relaciones gaseosas,que caen fuera de los límites definidos en la tabla 3,pueden ser consideradas como una mezcla de fallas,o nuevas fallas, las cuales se combinan con un altonivel de gases.

En tales casos, la tabla 3 no puede brindar undiagnóstico, y es necesario determinar cuálcaracterística de falla es la más cercana. La tabla 4,4

es utilizada entonces, para obtener una distinciónentre (PD), (D) y fallas (T), como un diagnóstico burdo.

Otro factor fundamental utilizado para determinar laintensidad del fenómeno detectado es el cálculo delrango de producción de gases en mililitros /día, segúnlo que se evalúa a través de la expresión (1).

2 1

2 1

( )Rango en /

( )y y m

mL dd dρ−

=− ...(1)

donde: y1 = Análisis de referencia. y2 = Último análisis. (y2 -y1) = Incremento en µL/L de aceite. m = Masa de aceite en kg. ρ = Densidad en kg/m3. d1 = Fecha para y1. d2 = Fecha para y2

Los rangos de producción de gases normalesapropiados para transformadores de potencia enmililitros por día (mL/día), excepto para el caso detransformadores que respiran a la atmósfera, segúnse muestra en la tabla 5.

Tabla 2Límites de los valores normales (ppm)

Tipo C2 H2 H2 C2H4 CO CO2 C2H6 CH4

SinOLTC 3-50 60-

15060-280

540-900

51001-3 000 50-90 40-110

donde:OLTC: Cambiador de derivaciones bajo carga.

Tabla 3Interpretación de los resultados del análisis de gases

Caso Falla característicaC2 H2 C H4 C2 H4 CO2 O2 C2 H2

C2 H4 H2 C2 H6 CO N2 H2

PD Descargas parciales <0,01 <0,1 <0,2

D1 Descargas de baja energía >1 0,1-0,5 >1

T3 Falla térmicaT>700 °C <0,2 >1 >4

P Falla del papel <3

O Oxidación del aceite <0,3

C Contaminación con aceiteOLTC

≥ 2 ≤3

Tabla 4Determinación del tipo de falla en los casosde incertidumbre

Caso C2H2 C H4 C2 H4

C2 H4 H2 C2 H6

PD <0,2

D >0,2

T <0,2

37

programación del sistemas experto. En la figura 1 sepresenta una simplificación del mismo.Tabla 5

Rangos de producción de gases paratransformadores de potencia en mL/día

Gas Notación Niveles

Hidrógeno H2 <5

Metano CH4 <2

Etano C2H6 <2

Etileno C2H4 <2

Acetileno C2H2 <0,1

Monóxido deCarbono CO <50

Dióxido deCarbono CO2 <200

SISTEMA EXPERTODiseño del sistemaUn sistema experto con lógica difusa se basó en 4componentes fundamentales según la referencia 1:La base del conocimiento, el motor de inferencia, labase de datos y la interfase hombre máquina.

La base del conocimiento es la colección de laexperiencia del especialista la cual contiene lasrelaciones fundamentales que permiten tomar lasdecisiones pertinentes. Las reglas utilizadas en estesistema son enunciadas en la forma de reglasIF-THEN y la veracidad del mismo, estará dada por lacalidad con que dichas reglas son formuladas. Elsistema experto para el diagnóstico del transformadorestá basado en lo que establece la norma IEC-599.3

El motor de inferencia es el encargado de controlar laestrategia de razonamiento del sistema. El mismocomprende las relaciones difusas utilizadas en la basedel conocimiento así como todos los algoritmos querigen la secuencia de trabajo del sistema experto ensu totalidad. En la base de datos se almacenan lasvariables utilizadas, en este caso la concentración delos gases tanto del estado actual del sistema comolos datos históricos del mismo. Para el diseño de lasinterfases se crearon ventanas interactivas con elusuario, para la entrada y la salida de la información.

A partir de un análisis detallado de la Norma IEC 599,se desarrolló el diagrama de flujo para la

Si

Si

Si Concent. < lim S

Calcular las relaciones

Identificar los tipos de fallas iniciales

Comparar con la norma Está en rango

Equipo en Buen Estado. Envejecimiento Normal

TOMA DE MUESTRAS

AL,MACENAR lim S

FIN Lim S< Concent. < 10 S AL,MACENAR Concent.

FIN Calcular el incrementoEstá en rango

CONDICION DE ALERTA

Se sospecha la presencia de una falla. CONSEJOS

CONDICION DE ALAMA Alta probabilidad de falla en el equipo

CONSEJOS

AL,MACENAR

FIN

AL,MACENAR

FIN

1Diagrama de flujo.

La programación del sistema se realizó utilizando ellenguaje de simulación para sistemas dinámicos,SIMULINK, del Matlab®. En la ventana principal seencuentran los dos subsistemas principales, DATOSy Diagnóstico (figura 2), los cuales representan laentrada y la salida del sistema experto.

Sistema experto para transformadores de potencia.2

38

El subsistema DATOS constituye el motor deinferencia del sistema experto, al hacer doble clicsobre este se abre la ventana inicial en la cual el usuarioentra los valores de concentración de los gases(variables de entrada del sistema experto) obtenidosa partir de realizar el análisis cromatográfico de gasesdisueltos en el aceite (figura 3).

El subsistema Diagnóstico es el encargado de brindar lainformación del estado del equipo de forma tal que seacomprensible por el usuario. Para ello se crearon una seriede ventanas en las cuales en dependencia del valor en lasalida out del subsistema DATOS se activará una ventanainformando sobre el estado del equipo correspondiente a lacondición analizada (figura 4).

El subsistema DATOS está compuesto por variossubsistemas en los cuales se almacena la información,se compara con los límites establecidos, se calculanlas relaciones y el incremento de producción de gasespor día y se realiza el proceso de inferencia difuso(figura 5).

3

4Ventana de entrada de datos.

Para la programación del proceso de inferenciadifuso se utilizó el Toolbox Fuzzy del Matlab®.Primeramente se realizó una definición del sistema,donde se decidió qué cantidad de variables deentrada y de salida conforman el mismo y dentrode qué intervalos van a variar estas.1,6,7

Las variables de entrada del sistema difusoquedaron definidas a partir del estudio de la norma,4

escogiéndose como variables de entrada lasrelaciones entre las concentraciones de los gases:CH4/H2, C2H2/C2H4, C2H4/C2H6, CO2/CO, O2/N2, C2H2/H2 y como salida la variable diagnóstico (figura 6).

Bloques del subsistema DATOS.5Determinación del tipo de falla en los casos de

incertidumbre.

39

El universo de variación de cada variable de entrada,se seleccionó teniendo en cuenta el máximo valorhistórico que han alcanzado los gasescorrespondientes al numerador de la relación. Seseleccionaron funciones de pertenencia del tipotrapezoidal, cuyo universo de variación se enmarcósegún los intervalos en que se expresan los resultadosdel análisis de gases que se muestra en la tabla 1. Enla figura 7 se muestra como ejemplo el conjunto defunciones de pertenencia correspondientes a lavariable de entrada CH4/H2.

La variable de salida diagnóstico en la figura 6, estácompuesta por doce funciones de pertenencia de tipo"Singletone" (figura 8).

Diagrama de flujo del sistema.6

7

Funciones de pertenencia de la variable de entrada CH4/H2.

Se seleccionó este tipo de función para garantizarun fácil cálculo, a la hora de obtener el resultadodeterminístico de la variable de salida del sistema,además de disminuir el tiempo computacionalempleado para obtener el resultado anteriormentemencionado.

En el diseño de este sistema fueron utilizadas docereglas de inferencia para describir la heurística delmismo, dichas reglas se muestran a continuacióny están incluidas en el Editor de Reglas del SistemaExperto.

40

1. If [C2H4/C2H6 is muybajo] then [diagnostico is 1] (1).2. If [C2H2/C2H4 is muybajo] and [CH4/H2 is extra bajo]and [C2H4/C2H6 is muybajo] then [diagnostico is 2] (1).3. If [C2H2/C2H4 is medio] then [diagnostico is 3] (1)4. If [C2H2/C2H4 is not medio] and [CH4/H2 is extra bajo]and [C2H4/C2H6 is muybajo] then [diagnostico is 4] (1).5. If [C2H2/C2H4 is not alto] and [CH4/H2 is medio] and[C2H4/C2H6 is muyalto] then [diagnostico is 5] (1).6. If [C2H2/C2H4 is not muyalto] and [CH4/H2 is bajo]and [C2H4/C2H6 is alto] then [diagnostico is 6] (1).7. If [C2H2/C2H4 is not medio] and [CH4/H2 is alto] and[C2H4/C2H6 is extraalto] then diagnostico is 7] (1).8. If [C2H2/C2H4 is not bajo] and [CH4/H2 is alto] and

[C2H4/C2H6 is medio] then [diagnostico is 8] (1).9. If [C2H2/C2H4 is no muybajo] and [CH4/H2 is alto]and [C2H4/C2H6 is bajo] then [diagnostico is 9] (1).10. If [C2H2/C2H4 is bajo] then [diagnostico is 10] (1).11. If [O2/N2 is bajo] then [diagnostico is 11] (1).12. If [C2H2 /H2 is bajo] then [diagnostico es 12] (1).

Por último, se selecciona el método de defuzzificacióna utilizar, que en este caso fue el método deponderación del promedio.

Análisis de los resultadosPara comprobar l a de l s i s tema exper topropuesto, se le introdujeron datos de análisiscromatográficos realizados a transformadores delos cuales se había comprobado el tipo de fallaque presentaban. Por ejemplo, en la tabla 6aparecen datos de un transformador con una fallatérmica de temperatura media (300-700 oC), elcual había fallado por el sobrecalentamiento localdel núcleo debido a la circulación de corrientespor el circuito magnéticoPrimeramente se efectuaron varias corridas delprograma con el objetivo de tener la evolución de lafalla. Después, se realizó nuevamente la corrida delprograma y se obtuvo el diagnóstico que se muestraen la figura 9. Este corresponde con la falla que yase había detectado previamente en la revisión deltransformador.

8Variable de salida diagnóstico.

Tabla 6Cromatografías del transformador

Gas Pruebas

Fecha (3/88) ( 8/91 ) (12/95) (5/96)

N2 72300 72300 48000 49700

O2 4300 2900 8500 12500

H2 110 613 211 10

CH4 141 262 535 16

C2H6 72 156 223 5

C2H4 110 393 963 15

C2H2 53 53 22 3

CO 4660 7071 3535 2245

CO2 810 915 553 308

41

6. Fuzzy Logic; Education Program 2.0, Center forEmerging Computer Technologies, Motorola; Inc.;1996.7. Li-Xin Wang: A Course in Fuzzy Systems andControl, 1997.

AUTORESMadelín Lima ÁlvarezIngeniera Electricista, Máster en Ciencias, Asistente,Centro de Investigaciones y Pruebas Electro-energéticas (CIPEL), Instituto Superior PolitécnicoJosé Antonio Echeverría, Cujae, Ciudad de La Habana,Cubae-mail:made@cipel.cujae.edu.cu

Ovidio Ramírez FialloIngeniero Electricista, Doctor en Ciencias Técnicas,Investigador Agregado, CIPEL, Instituto SuperiorPolitécnico José Antonio Echeverría, Cujae, Ciudadde La Habana, Cuba.e-mail:oramirez@cipel.cujae.edu.cu

Sergio J. Fernández GarcíaIngeniero Electricista, Doctor en Ciencias Técnicas,Asistente, CIPEL, Instituto Superior Politécnico JoséAntonio Echeverría, Cujae, Ciudad de La Habana,Cubae-mail:sfg@cipel.cujae.edu.cu

Rómulo José Pérez BarriosIngeniero Electricista, Docente de la UniversidadPolitécnica Antonio José de Sucre, UNEXPO,Venezuelae-mail:rperez@bqto.unexpo.edu.ve

9

Diagnóstico final.

CONCLUSIONES1. Se ha desarrollado un prototipo de sistema dediagnóstico a través de la lógica difusa capaz dediagnosticar fallas incipientes en los transformadoresa partir del estudio de los gases disueltos en el aceite.2. Se validó el sistema propuesto mediante lacomparación con los datos obtenidos detransformadores con fallas reales cuyo diagnósticopor análisis de gases se realizó utilizando la NormaIEC-599.3. Esta versión de sistema experto constituye unamejora y actualización del anterior que se utilizaba enCuba.

REFERENCIAS1. Lin, C.E.; J.M. Ling and C.L. Huang: "An ExpertSystem for Transformer Fault Diagnosis UsingDissolved Gas Analysis" , IEEE Transactios on PowerDelivery, Vol. 8, No. 1, pp. 231-238, January, 1993.2. Ramírez, O.; A. de la Cruz y M. Alonso: "Sistemaexperto para diagnóstico por cromatografía gaseosa",Revista Energética, Vol. XX, No 4, Ciudad de LaHabana, 1999.3. Ramírez, O.:"Modelación físico-matemática parael diagnóstico de grandes transformadores en tiemporeal", Tesis Doctoral, Ciudad de La Habana 2001.4. IEC-599. Guide to the Interpretation of Disolvedand Free Gases Análisis. 1999.5. IEC-567, Guide for the Sampling of Gases and Oilform Oil-Filled Electrical Equipment and for theAnalysis of Free and Disolved Gases, 1977